基于粒子群算法的数字微流控芯片在线测试路径优化

数字微流控生物芯片的稳定性和安全性在生化实验中具有很高的要求,为保证实验结果的准确,需要对芯片进行检测。通过分析芯片结构、实验液滴的路径,提出一种基于粒子群算法的针对数字微流控芯片灾难性故障在线测试路径优化方案。通过自适应调整算法惯性权值,设置算法的收敛速度因子和解的聚集程度因子,将收敛速度和局部解聚集程度可视化改进算法。增加液滴移动序列的交换机制,在芯片的约束条件下规划测试液滴的移动路径,从而缩短测试路径长度。仿真实验选择15×15阵列模型、7×11阵列模型、7×7阵列模型进行仿真实验,结果表明,该方案完成了对芯片的测试,提高了算法收敛速度,并有效缩短了测试路径,提高测试效率。     

基于蚁群算法的数字微流控生物芯片污染故障在线清除

生化分析领域对数字微流控生物芯片的可靠性要求严格,对实验中污染故障进行清除,能够保证复杂生化实验分析结果的准确性。提出基于最大最小蚁群算法的污染故障在线清除策略,完成污染清除,同时降低清洗污染单元时间。方案针对数字微流控生物芯片污染故障建立MTSP模型,建立基于流体和时间约束的禁忌判断策略,采用最大最小蚁群算法,重新定义概率选择函数与信息素更新策略,实现清洗液滴路径规划、快速清除污染故障的目的。实验结果表明,该方案能有效地减少清洗时间,且与MCC方案相比较,能够有效减少阵列单元使用数目。     

基于混沌粒子群算法的数字微流控生物芯片污染故障清除

数字微流控生物芯片的可靠性和安全性在生化分析领域具有很高要求,先后经过同一电极的液滴会造成污染,因此对芯片上的污染故障进行清除是保证生化实验准确性的重要途径。通过分析清洗模型与粒子群算法的特性,提出基于混沌粒子群算法的清洗液滴调度方案。将芯片转换为TSP模型,通过概率选择策略选择污染点,引入优秀系数和混沌序列对算法进行优化,把约束条件转换为动态禁忌表,完成故障清除,得到最优清洗时间。实验结果表明,该方案完成了对污染故障的清除,且相对于粒子群优化算法(PSO)和最大最小蚁群优化算法(MMAS)方案,可有效缩短清洗时间,提高阵列单元使用率。     

基于粒子群算法的故障测试集优化

为加速测试进程和减少测试开销,数字集成电路在生成测试矢量后必须进行故障测试集的优化。文中利用粒子群优化算法生成最小完备测试集,根据故障测试集优化问题的具体特点,构造粒子的表达方式和编码规则,建立粒子群的速度一位置模型;同时为提高优化效率,引入混沌优化算法来初始化粒子群。实验结果表明,在测试生成后,该方法能在较短的时间内生成最小完备测试集,验证了它的实用性和有效性。     

基于混合算法的电力杆塔巡检实时航迹规划

传统的电力杆塔拍摄视点顺序固定,多旋翼无人机巡检距离并非最优;同时,随着维度增加,航迹规划算法空间复杂度呈指数增长,不能满足实时规划航迹的需求。针对以上问题,提出一种基于蚁群和A*混合算法（ACO-A*）的电力杆塔巡检三维航迹规划方法。该方法分为全局规划和局部规划,全局规划利用改进蚁群算法找到覆盖所有视点的较优路径,并通过算法判断路径是否经过障碍物,再运用A*算法局部规划。仿真结果表明：ACO-A*算法规划的航迹长度比《架空输电线路无人机巡检影像拍摄指导手册》规定的巡检航迹降低了16.85%;ACO-A*算法路径规划时间比A*算法降低了99.68%。因此本方法既节约了巡检能耗,又提高了航迹规划的效率。     

分布式电源的配电网重构和电容器优化投切

综合考虑最优潮流、配电网重构和电容器优化投切,建立了计及分布式电源的配电网经济运行模型。鉴于模型的复杂性,采用结合最优潮流和改进蚁群算法的混合优化方法进行求解。该方法将最优潮流嵌入改进蚁群算法中,利用最优潮流求解考虑网络安全约束的分布式电源优化调度问题,利用改进蚁群算法优化配电网结构和电容器档位。为了提高蚁群算法的优化效率,建立含有局部搜索蚂蚁的混合蚁群,平衡蚁群算法的全局和局部搜索能力。通过对16节点和33节点的测试系统仿真,表明提出的模型和算法正确有效。     

改进蚁群算法求解移动机器人路径规划

在全局静态环境下,提出一种改进蚁群算法,解决传统蚁群算法用于路径规划出现的收敛速性差、局部最优和求解质量差等不足。该算法引入障碍物排斥权重和新的启发因子到路径选择概率中,提高避障能力,增加路径选择的多样性;然后,设置局部信息素的阈值和限定范围更新局部信息素,采用交叉操作获取新路径,引入最优解和最差解,改变全局信息素的更新方式,提高全局搜索能力和解的质量,避免算法陷入局部最优。仿真结果表明,该算法能有效获得最优路径,在长度上比蚁群算法及其他算法分别减少了18%、5.7%和11%,算法迭代次数及运行时间都有所降低,提高了收敛速度和搜索能力。     

P2P网络中基于蚁群算法的智能搜索研究

资源搜索是P2P网络应用领域中最为广泛的问题,蚁群算法是受到自然界中真实的蚂蚁集体行为的启发而提出的一种算法.将蚁群算法用于非结构化P2P网络资源搜索中,在广度优先搜索技术(BFS)机制的基础上实现了资源的智能搜索.该算法利用蚁群算法特有的信息素以充分利用历史经验,设置了全局更新规则和局部更新规则来更新蚂蚁寻找到所需资源时经过的路径上的信息素浓度,对蚁群算法中的参数做了相应的修改,并给出了算法的简要描述和基本框架.避免了广度优先搜索技术机制中的消息量过大、网络负载过重的问题,从而提高了系统搜索效率.     

一种基于数字微流控技术的PCR微芯片

基于数字微流控（digital Microfluidics, DMF）的聚合酶链式反应（polymerase chain reaction, PCR）微芯片系统设计,主要在于对样品液滴的运动进行控制和对进行PCR所需要的温度控制。设计了一种基于介电润湿（electrowetting on dielectric, EWOD）原理的数字微流控PCR微芯片,并实现了对芯片不同区域的温度控制以满足PCR所需的要求。基于数字微流控技术的PCR微芯片系统由一个双基板结构的数字微流控芯片,芯片的驱动电路以及温度控制组件构成。实现驱动样品液滴在该装置上运动至不同温度的反应区域,在不同的反应区域满足的PCR反应所需的变性,退火和延伸各阶段所需的温度,继而实现PCR扩增。     

一种求解最优机组组合问题的随机扰动蚁群优化算法

针对蚁群优化算法中易出现的停滞现象，设计出一种新颖的随机扰动蚁群优化算法。该算法包含了两个重要方面：一是提出了采用倒指数曲线来描述的扰动因子；二是设计出了相应的随机选择策略和扰动策略。此外，还对该算法中参数的选取方法及取值范围进行了研究和探讨。利用该算法求解最优机组组合问题，并在模型的转化、约束项的处理等方面进行了深入的分析。通过对两个测试系统进行计算，并与基本蚁群算法进行比较，证明了该算法可以有效地克服基本蚁群算法计算时间较长和容易出现停滞现象的缺陷，具有更好的全局优化能力。     

基于自适应遗传算法和蚁群算法融合的配电网重构

配电网重构可以降低线损,均衡负荷,提高电压质量和增加配电网可靠性.主要在降低线损、提高电压质量和提高寻优效率方面,采用了自适应遗传算法和蚁群算法融合的方法.对遗传算法的交叉因子和变异因子进行了自适应控制,也不再人为规定迭代的最大代数,而是引入了染色体相似度和种群相似度的概念,使遗传算法的终止条件更加合理.自适应遗传算法...     

Parallel Scan-Like Test and Multiple-Defect Diagnosis for Digital Microfluidic Biochips

Dependability is an important attribute for microfluidic biochips that are used for safety-critical applications such as point-of-care health assessment, air-quality monitoring, and food-safety testing. Therefore, these devices must be adequately tested after manufacture and during bioassay operations. We propose a parallel scan-like testing methodology for digital microfluidic devices. A diagnosis method based on test outcomes is also proposed. The diagnosis technique is enhanced such that multiple defect sites can be efficiently located using parallel scan-like testing. Defect diagnosis can be used to reconfigure a digital microfluidic biochip such that faults can be avoided, thereby enhancing chip yield and defect tolerance. We evaluate the proposed method using complexity analysis as well as applying it to a fabricated biochip.     

基于改进蚁群算法的电力云数据中心任务调度策略研究

针对现有云环境下电力数据中心任务调度的高能耗、低效率等问题,在电力云体系结构的基础上,提出了一种基于随机Petri网的云数据中心任务调度模型.通过综合考虑时间约束、负载、能耗约束对蚁群算法进行改进,并通过改进算法对模型进行求解.通过实验对运行时间、能耗、平均等待时间、系统负载等几个方面进行了比较分析,验证了该方法的优越...     

含有风电发电机组可用输电能力新算法的研究

阐述了含有风电发电机组的潮流计算模型,提出将改进蚁群算法、变邻域搜索算法和差分进化算法相结合应用到可用输电能力研究中,该算法克服了陷入局部最优解的缺点,并提高了寻优的效率、全局的寻优能力和结果 的稳定性.以IEEE30节点标准系统作为算例对输电网可用输电能力进行仿真计算,计算结果表明本文提出的算法具有合理性和可靠性.     

低压电力线载波通信路由算法研究

低压配电网拓扑结构复杂未知,电力线载波通信信道干扰与时变造成通信不可靠,影响通信范围。本文对低压配电网拓扑结构进行分析,探讨了自动路由的必要性。在传统的蚁群算法基础上,提出了基于蚁群算法、遗传算法和粒子群算法相结合的混合路由算法。仿真研究表明,该方法能提高收敛速度和保证全局最优。     

基于神经网络的数字电路多故障测试生成算法

针对数字电路中多故障测试生成效率较低的问题，提出了基于神经网络的数字电路多故障测试生成算法。依据故障转换方法把数字电路多故障测试生成问题转换成为单故障测试生成问题，采用神经网络的方法对单故障电路构造故障的约束网络，通过使用遗传算法求解故障约束网络能量函数的最小值点获得故障的测试矢量。在ISCAS’85国际标准电路上的实验结果表明，故障平均测试生成时间在0．017s以下，故障覆盖率在96％以上。与其他算法相比，测试生成效率明显提高。     

基于改进帝国竞争算法的AUV三维路径规划

针对传统蚁群算法在自主式水下机器人的三维路径规划中收敛速度慢、搜索效率低、求解质量差等问题,提出一种基于改进帝国竞争算法的三维路径规划方法。该方法以传统帝国竞争算法为框架,首先,在国家初始化部分引入蚁群思想来搜索初始路径,提高可行解的质量;其次,为确保算法在提高种群多样性的同时不会丢失优秀个体,在殖民地革命部分加入差分进化思想;最后,在三个不同规模的地图上进行仿真比对。仿真结果表明,改进后的帝国竞争算法充分利用传统帝国竞争算法收敛速度快、收敛精度高、具有较强的全局搜索能力的特点,提高了寻优过程的精度,加强了全局的寻优性,有效解决了传统帝国竞争算法容易陷入局部最优解的问题,最优路径的长度缩短了11%。     

基于改进蚁群算法的变压器诊断数据的约简

针对变压器故障诊断提出的各种算法,多数不能从激增的诊断数据中提取有效的信息,无法实现快速准确诊断。为提高变压器故障诊断的速度,基于蚁群算法基本原理和模糊信息熵理论,对蚁群算法从局部搜索策略、蚂蚁内部状态、信息素更新策略及状态转移规则四方面进行了改进,提出诊断数据约简新方法。经过变压器故障诊断实例验证,使用改进方法将数据约简后,具有较高的诊断正确率,而与传统的算法相比,诊断速度快。